单核苷酸变异：从科研到临床，从鉴定到应用

俗话说，失之毫厘，谬以千里。这句话用在基因上也不过分，有时只是一个碱基突变，却造成了严重的后果。这种单核苷酸变异（SNV）的影响往往取决于基因及其所在的位置。有的SNV与癌症有关，有的却与贫血症有关。虽然SNV经常出现，但往往处于极低的水平，有时甚至低于各种技术的检测极限。

“SNV可能在生殖系上，也可能在体细胞上，”美国西北大学Feinberg医学院的Ramana V. Davuluri教授说。“生殖系SNV是由于人群中的自然变异，也就是人与人之间的基因型差异，而体细胞SNV可能是造成肿瘤或疾病的突变。”

在精准医疗的实践中，人们能够以多种方式利用SNV。“SNV是确定蛋白质功能丧失和疾病风险的实用标志物，”Davuluri说。“同时，利用SNV可以确定对靶向疗法有反应的患者。”

临床医生可以利用某些SNV来预测一些人类疾病的治疗效果，特别是癌症。耶鲁大学公共卫生学院的Jeffrey Townsend教授说：“某些肿瘤组织中的体细胞单核苷酸变异可提供预后信息，帮助人们了解疾病进展的速度。”

此外，SNV也有助于肿瘤的精准治疗。Townsend教授举了维罗非尼（vemurafinib）的例子，这种药物适用于BRAF V600K突变（第600位的缬氨酸被谷氨酸替代）的黑色素瘤患者。“这种靶向治疗通常可以让疾病暂时缓解，但在大多数情况下无法治愈癌症，或实现长期缓解，”他说。

不过，人们乐观地相信，组合疗法也许能够帮助肿瘤学家包抄不断变化的肿瘤，真正治愈癌症患者。不断开展的研究也将这种乐观的情绪带来临床。也许，这将是SNV的惊人应用。

从鉴定到应用

为了在临床应用中充分利用SNV，研究人员必须要鉴定这些基因变化及其作用。正如英国癌症研究院生物信息学核心领导Stefano Lise所说：“你可以鉴定频率低至0.1%的SNV，具体取决于你所采用的方法。”因此，与评估功能相比，寻找SNV似乎来得更简单。

就SNV的功能而言，Davuluri指出挑战在于了解SNV对基因/蛋白质功能丧失和疾病风险的影响。他的研究团队正在开发各种方法来鉴定前列腺癌中的功能SNV及其目标基因。他们整合了前列腺癌肿瘤样本和前列腺癌细胞系的多组学数据，共鉴定出38种调节性SNV及其目标基因1。进一步的研究表明，某些SNV可以增强与前列腺癌相关的信号通路。

为了将SNV应用于精准医疗，研究人员必须降低误判的可能性。正如Townsend所说，检出假阳性变异的问题仍然存在。使用非常严格的标准将CNV与临床结果相关联，将有助于减少误判，但也可能增加假阴性。“现在我们正转向新一代测序的临床应用及变异效应的量化，而不仅仅是发现变异，假阴性与假阳性同样有问题，” Townsend说。

评估SNV的效应量

利用适当的数据，研究人员可以确定哪些突变基因会驱动癌症，哪些不会。测序数据还可以揭示癌症驱动突变的普遍性。他们暂时无法做到的是量化癌症效应量（effect size），判断这个突变和那个突变哪个更重要。

去年，Townsend及其同事鉴定出22种癌症中特定SNV的癌症效应量2。他们确定了“每种体细胞变异对癌症谱系的增殖和存活有多大贡献，” Townsend解释说。

那么，这些信息对临床医生有何帮助？想象一下，患者的肿瘤中有两个与癌症相关的突变，并且有两种药物分别靶向两种突变，但没有这些药物的横向比较。临床医生该怎么办？开出药方来治疗那种癌症效应量更大的突变。这只是癌症效应量在临床中的应用方式之一。

扣除测序噪声

尽管测序技术有了很大的改进，但测序结果并不完美。在英国癌症研究院，研究人员经常要研究极其罕见的SNV。他们的样本包括肿瘤组织和健康组织。在测序错误无法避免的情况下，人们无法判断极其罕见的SNV是真实的，还是假象。于是，Lise及其同事提出了一种方法来区分它们。

他们开发出一种名为AmpliSolve的生物信息学工具3。Lise等人从变异不那么复杂的生殖系样本开始：杂合变异为50%，纯合变异为100%。“我们开发出一种模型，可以确定测序时特定位置的错误，”Lise解释说。基因中特定区域的核苷酸组成会影响某些平台发生测序错误的几率。例如，一些测序设备难以区分含有多个鸟嘌呤（G）的区域，可能丢掉一个或测错一个。

于是，Lise及其同事确定了某些基因位置的典型测序错误率，而AmpliSolve利用它来判断测序假象和真实SNV。假设某个位置的典型错误率为1%，那么低于或等于1%的任何变异都被认为是测序假象，而高于1%的变异被认为是真正的SNV。“我们摆脱了测序假象，才能真正了解变异的潜在影响，”Lise解释说。

总而言之，研究人员希望了解SNV的生物学特征，而临床医生希望利用这些信息来治疗疾病。人们的种种努力，只为了解单个核苷酸变化有何影响，究竟是好是坏。

参考文献

1. Jin, HJ; Jung, S; DebRoy, AR, et al. Identification and validation of regulatory SNPs that modulate transcription factor chromatin binding and gene expression in prostate cancer. Oncotarget 2016. 7(34):54616-54626. [PMID: 27409348]
2. Cannataro, VL; Gaffney, SG; Townsend, JP. Effect sizes of somatic mutations in cancer. J. Natl. Cancer Inst. 2018. 110(11):1171-1177. [PMID: 30365005]
3. Jayaram, A; Sandhu, S; Wong, SQ; et al. Identification of single nucleotide variants using position-specific error estimation in deep sequencing data. bioRxiv. 2018. doi: https://doi.org/10.1101/475947